获取深度自动编码器的解码器答案

【问题标题】：Get Decoder for Deep Autoencoder获取深度自动编码器的解码器
【发布时间】：2017-11-21 10:41:49
【问题描述】：

我正在关注 keras here 中的深度自动编码器教程。对于开头的简单自动编码器，decoder 定义如下：

# retrieve the last layer of the autoencoder model
decoder_layer = autoencoder.layers[-1]

# create the decoder model
decoder = Model(encoded_input, decoder_layer(encoded_input))

如果您有多个解码器层，这将不再起作用。如果我有三个解码器层，如何做类似的事情？

encoded = Dense(128, activation='relu')(input_img)
encoded = Dense(64, activation='relu')(encoded)
encoded = Dense(32, activation='relu')(encoded)

decoded = Dense(64, activation='relu')(encoded)
decoded = Dense(128, activation='relu')(decoded)
decoded = Dense(784, activation='sigmoid')(decoded)

autoencoder = Model(input_img, decoded)
encoder = Model(input_img, encoded)

对于编码器，它确实很容易工作，但是如何获得最后三层的模型？

【问题讨论】：

你的意思是你想使用几层的神经网络作为你的解码器吗？或者您想使用几个不同的解码器来输入相同的输入？
我有一个输入层（比如 784 个神经元），然后是一些具有收缩神经元的编码器层（比如 32 个神经元），然后是解码器层（现在恢复到 784 个神经元）。问题是，训练后我只想使用网络的一部分（编码器或解码器层）。
我不确定这是否有帮助，但可能更接近您正在寻找的东西。 - github.com/fchollet/keras/issues/358#issuecomment-119379780

标签： python machine-learning neural-network deep-learning keras

【解决方案1】：

尝试（按照this 回答）：

# retrieve the last layer of the autoencoder model 
decoder_layer1 = autoencoder.layers[-3]
decoder_layer2 = autoencoder.layers[-2]
decoder_layer3 = autoencoder.layers[-1]

# create the decoder model
decoder = Model(input=encoded_input, 
output=decoder_layer3(decoder_layer2(decoder_layer1(encoded_input))))

【讨论】：